一种用于码垛机器人的视觉制造技术

本发明专利技术属于码垛机器人导航技术领域，尤其涉及一种用于码垛机器人的视觉

【技术实现步骤摘要】
一种用于码垛机器人的视觉SLAM自动导航算法


[0001]本专利技术属于码垛机器人导航
，尤其涉及一种用于码垛机器人的视觉
SLAM
自动导航算法
。

技术介绍

[0002]在自动化发展日益迅速的今天，机器人逐渐被引入各行各业，人工操作被取而代之，其中码垛机器人作为物流设备的重要工具被广泛使用，如重物搬运
、
精密装配等，在降低成本和提高生产率方面受到高度重视
。
近年来，物流行业为了提升其发展
、
物流作业效率以及简化工作人员的劳动等目的，逐步将机器人引入其系统工作中，开发出相应大量的应用软件
。
同时，国民经济正处于转型和现代化发展过程中，对机器人的需求呈现出逐渐上升趋势，政府也为促进智能化工业生产提供了一定的政策支持，使得机器人市场具备一个良好的发展环境
。
由此可知，现阶段各方条件优势为工业机器人快速发展的提供了良好空间
。
[0003]现有文献中，关于码垛机器人导航的技术分类和对应的缺陷如下：
[0004]运动规划与控制：码垛机器人需要进行复杂的运动规划和控制，以在有限的空间中高效地移动和操作货物
。
它们使用运动学和动力学算法来计算最佳路径，并实时调整姿态和速度以避免碰撞或损坏货物
。
但运动规划与控制通常涉及到大量的数学计算和复杂的算法，因此对于非专业人士来说很难理解和实现
。
这也限制了该技术的普及和应用范围
。<br/>[0005]智能感知与安全：码垛机器人通常配备多种传感器，如激光雷达
、
超声波传感器和力传感器等，以实时感知周围环境和与货物的交互
。
这使得机器人能够在堆放过程中避开障碍物
、
检测到不正常的情况并采取适当的行动，确保操作的安全性
。
但是在某些情况下，智能感知系统可能会出现错误的报警或误判
。
这可能导致资源浪费
、
系统紊乱以及对用户造成困扰
。

技术实现思路

[0006]根据以上现有技术中的不足，本专利技术提供了一种导航系统中路标的拟合程度大幅提高了，提高了路标的拟合程度，使得运动路径取得了较高的控制精度的用于码垛机器人的视觉
SLAM
自动导航算法
。
[0007]本专利技术解决其技术问题所采用的技术方案是：所述的一种用于码垛机器人的视觉
SLAM
自动导航算法，其特征在于包括以下步骤：
[0008]S1、
提取特征点，使用码垛机器人上的传感器来获取周围环境信息，从传感器数据中检测出具有辨识性的特征点，构成一组特征点点集；
[0009]常见的特征点包括角点
、
边缘点等，这些特征点应该在不同位置和角度下都能被稳定地检测到；
[0010]S2、
处理采样的特征点数据，进行特征点匹配，去除错误的匹配点，得到匹配点对集合；
[0011]S3、
进行运动估计，将码垛机器人车体整体位于
O
点时的线速度
、
角速度，转换成后
轮各自的转速和前轮转向关节的旋转角度，通过相机坐标系获得图像特征点的坐标值，最终得到旋转矩阵和平移矩阵；
[0012]S4、
计算距离，使用经过校准的相机参数和已知的视差来计算特征点在三维空间中的位置；
[0013]S5、
选择关键帧，将当前帧的特征点描述符与先前帧或地图中的特征点描述符进行匹配，以确定它们之间的对应关系；
[0014]S6、
二次删除冗余关键帧，剔除因噪声和干扰产生的错误的特征点匹配；
[0015]S7、
进行闭环检测及路径优化，同时考虑避障和环境变化，通过比较不同帧之间的特征点匹配情况，检测是否存在重复遍历的环路，并进行修正，以提高地图的一致性和准确性；
[0016]S8、
还原路边数据集，对提取出的路标数据进行处理将路标坐标保存为文件，也可以使用它们进行后续的导航任务
。
[0017]所述的
S2
中，针对匹配好的特征点，通过误差阈值和一致性检验筛选去除错误的匹配点，以提高匹配准确性，随后通过欧拉公式得到匹配点对集合
。
[0018]所述的
S3
中，使用
ICP(
迭代最近点算法
)
和
EPnP(Efficient Perspective
‑
n
‑
Point)
算法进行运动估计
。
[0019]所述的
S3
中，运动估计的步骤为：
[0020]S31、
对于一组匹配好的
3D
点
P
＝
{p1,p2,......,p
n
}
，
P
＝
{p
·1,p
·2,p
·
n
}
，满足欧拉公式
P
为目标点集；
[0021]S32、
通过
ICP
算法求解对齐两个点集的最佳变换，并迭代直到收敛，通过相机坐标系获得图像特征点的坐标值，检测已知特征点以促进形状对齐，然后进行位姿的求解，最终得到旋转矩阵和平移矩阵；
[0022]S33、
旋转平移图像并使用随机抽样一致性
RANSAC
进行形状对齐：
[0023][0024]式中，表示在相机坐标系下第
i
个特征点坐标，表示在世界坐标下第
i
个特征点坐标，和
t
i
表示相机坐标下第
i
个特征点的旋转矩阵和平移矩阵，其中上标
c
表示相机坐标系，
w
表示世界坐标系
。
[0025]所述的
S32
中，
ICP
算法的步骤为：
[0026]S321、
设定匹配好的
3D
点集为：
P
＝
{p1,p2,....,p
n
}
，
Q
＝
{q1,q2,.....q
n
}
，其中
P
表示目标点集，
Q
表示源点集；
[0027]S322、
在图像中获取第
i
个目标点
p
i
，即：
p
i
∈P
，同时寻找第
i
个源点
q
i
，即：
q
i
∈Q
，使得
||q
i
‑
p
...

【技术保护点】

【技术特征摘要】
1.
一种用于码垛机器人的视觉
SLAM
自动导航算法，其特征在于包括以下步骤：
S1、
提取特征点，使用码垛机器人上的传感器来获取周围环境信息，从传感器数据中检测出具有辨识性的特征点，构成一组特征点点集；
S2、
处理采样的特征点数据，进行特征点匹配，去除错误的匹配点，得到匹配点对集合；
S3、
进行运动估计，将码垛机器人车体整体位于
O
点时的线速度
、
角速度，转换成后轮各自的转速和前轮转向关节的旋转角度，通过相机坐标系获得图像特征点的坐标值，最终得到旋转矩阵和平移矩阵；
S4、
计算距离，使用经过校准的相机参数和已知的视差来计算特征点在三维空间中的位置；
S5、
选择关键帧，将当前帧的特征点描述符与先前帧或地图中的特征点描述符进行匹配，以确定它们之间的对应关系；
S6、
二次删除冗余关键帧，剔除因噪声和干扰产生的错误的特征点匹配；
S7、
进行闭环检测及路径优化，同时考虑避障和环境变化，通过比较不同帧之间的特征点匹配情况，检测是否存在重复遍历的环路，并进行修正，以提高地图的一致性和准确性；
S8、
还原路边数据集，对提取出的路标数据进行处理将路标坐标保存为文件
。2.
一种根据权利要求1所述的一种用于码垛机器人的视觉
SLAM
自动导航算法，其特征在于：所述的
S2
中，针对匹配好的特征点，通过误差阈值和一致性检验筛选去除错误的匹配点，随后通过欧拉公式得到匹配点对集合
。3.
一种根据权利要求1所述的一种用于码垛机器人的视觉
SLAM
自动导航算法，其特征在于：所述的
S3
中，使用
ICP
算法和
EPnP
算法进行运动估计
。4.
一种根据权利要求3所述的一种用于码垛机器人的视觉
SLAM
自动导航算法，其特征在于：所述的
S3
中，运动估计的步骤为：
S31、
对于一组匹配好的
3D
点
P
＝
{p1,p2,......,p
n
}
，
P
＝
{p
·1,p
·2,p
·
n
}
，满足欧拉公式
p
i
＝
Rp
i
+t
，
P
为目标点集；
S32、
通过
ICP
算法求解对齐两个点集的最佳变换，并迭代直到收敛，通过相机坐标系获得图像特征点的坐标值，检测已知特征点以促进形状对齐，然后进行位姿的求解，最终得到旋转矩阵和平移矩阵；
S33、
旋转平移图像并使用随机抽样一致性
RANSAC
进行形状对齐：式中，表示在相机坐标系下第
i
个特征点坐标，表示在世界坐标下第
i
个特征点坐标，和
t
i
表示相机坐标下第
i
个特征点的旋转矩阵和平移矩阵，其中上标
c
表示相机坐标系，
w
表示世界坐标系
。5.
一种根据权利要求4所述的一种用于码垛机器人的视觉
SLAM
自动导航算法，其特征在于：所述的
S32
中，
ICP
算法的步骤为：
S321、
设定匹配好的
3D
点集为：
P
＝
{p1,p2,....,p
n
}
，
Q
＝
{q1,q2,.....q
n
}
，其中
P
表示目
标点集，
Q
表示源点集；
S322、
在图像中获取第
i
个目标点
p
i
，即：
p
i
∈P
，同时寻找第
i
个源点
q
i
，即：
q
i
∈Q
，使得
||q
i
‑
p
i
||
＝
min
；
S323、
通过计算相机坐标系下第
i
个目标点的旋转矩阵和平移矩阵
t
i
，求得最小误差函数；
S323、p
i
利用旋转矩阵和平移矩阵
t
i
进行变换，包括旋转和平移，得到新点
p
i
，...

【专利技术属性】
技术研发人员：王佐勋，赵国建，隋金雪，庞传哲，徐立腾，杨尧尧，李扬，
申请(专利权)人：烟台新旧动能转换研究院暨烟台科技成果转移转化示范基地，
类型：发明
国别省市：